Digital twin using multivariate prediction

Abstract. Digital Twin is a digital replica of physical assets, processes and systems that can be used for various purposes. Virtual model is constructed from the corresponding physical model and these two are then connected by generating real time data using sensors. Resent advances in technology h...

Full description

Bibliographic Details
Main Author: Puolakanaho, J. (Jere)
Format: Dissertation
Language:English
Published: University of Oulu 2019
Online Access:http://jultika.oulu.fi/Record/nbnfioulu-201906212621
Description
Summary:Abstract. Digital Twin is a digital replica of physical assets, processes and systems that can be used for various purposes. Virtual model is constructed from the corresponding physical model and these two are then connected by generating real time data using sensors. Resent advances in technology have enabled this, because they have made digital environments cost-efficient. The goal is to simulate the real world with minimal physical resources using machine learning, multivariate analysis and other mathematical techniques. Optimally no physical resources go to waste in testing and development. Runtime validation means monitoring and validating a running system with both digital and physical models. Simulated (digital) model parameters are used in the physical model and then the simulated model is updated with new data from the physical model. Simulated model gains more and more data over time becoming more accurate. This thesis studies the applicability of mathematical models as a prediction tool to predict and validate systems behaviour as a part of simulation. And further, be used in analysis in a digital twin model.Tiivistelmä. Digitaalinen kaksonen on digitaalinen kopio fyysisistä voimavaroista, prosesseista ja systeemeistä, jota voidaan käyttää moniin tarkoituksiin. Virtuaalinen malli rakennetaan vastaavasta fyysisestä mallista ja nämä yhdistetään toisiinsa luomalla reaaliaikaista dataa sensoreilla. Viimeaikaiset kehitykset teknologiassa ovat mahdollistaneet tämän tekemällä digitaalisista ympäristöistä kustannustehokkaita. Tehtävänä on simuloida oikeaa maailmaa minimaalisilla fyysisillä resursseilla käyttäen koneoppimista, monimuuttuja-analyysiä ja muita matemaattisia tekniikoita. Parhaimmillaan fyysisiä resursseja ei menisi hukkaan testauksessa ja kehityksessä. Ajonaikainen validointi tarkoittaa toimivan systeemin tarkkailua ja validointia fyysisen ja digitaalisen mallin avulla. Simuloidun (digitaalisen) mallin arvoja käytetään fyysisessä mallissa ja simuloitua mallia päivitetään uudella datalla fyysisen mallin tulosten perusteella. Simuloitu malli saa yhä enemmän dataa ajan saatossa ja tätä myötä paranee. Tämä tutkielma tutkii matemaattisten mallien käytettävyyttä ennustukseen ja systeemin validointiin sekä simulaatiossa että digitaalisen kaksosen analyysissä.